AI 如何从令人失望到大行其道?

人工智能(AI)问世之初曾经狂妄自大、令人失望,它如何突然变成当今最热门的技术领域?人工智能(AI)问世之初曾经狂妄自大、令人失望,它如何突然变成当今最热门的技术领域?

这个词语首次出现在1956年的一份研究计划书中。

该计划书写道:“只要精心挑选一群科学家,让他们一起研究一个夏天,就可以取得重大进展,使机器能够解决目前只有人类才能解决的那些问题。”

至少可以说,这种看法过于乐观。

尽管偶有进步,但AI在人们心目中成为了言过其实的代名词,以至于研究人员基本上避免使用这个词语,宁愿用“专家系统”或者“神经网络”代替。

“AI”的平反和当前的热潮可追溯到2012年的ImageNet Challenge在线竞赛。

AI 如何从令人失望到大行其道?

ImageNet是一个在线数据库,包含数百万张图片,全部由人工标记。每年一度的ImageNet Challenge竞赛旨在鼓励该领域的研究人员比拼和衡量他们在计算机自动识别和标记图像方面的进展。

他们的系统首先使用一组被正确标记的图像进行训练,然后接受挑战,标记之前从未见过的测试图像。在随后的研讨会上,获胜者分享和讨论他们的技术。

AI 如何从令人失望到大行其道?

杰夫里·辛顿(Geoffery Hinton)

2010年,获胜的那个系统标记图像的准确率为72%(人类平均为95%)。2012年,多伦多大学教授杰夫·辛顿(Geoffery Hinton)领导的一支团队凭借一项名为“深度学习”的新技术大幅提高了准确率,达到85%。后来在2015年的ImageNet Challenge竞赛中,这项技术使准确率进一步提升至96%,首次超越人类。

2012年的比赛结果被恰如其分地视为一次突破,但蒙特利尔大学计算机科学家约书亚·本吉奥(Yoshua Bengio)说,这依赖于“将之前已有的技术结合起来”。

AI 如何从令人失望到大行其道?

约书亚·本吉奥(Yoshua Bengio)

本吉奥和辛顿等人被视为深度学习的先驱。

从本质上来讲,这项技术通过强大的计算能力和大量的训练数据,复兴了AI问世之初的一个旧想法,也就是所谓的人工神经网络(ANN),其灵感来自于大脑神经元网络。

在生物大脑中,每个神经元被其他神经元发来的信号触发,其自身发出的信号又会触发其他神经元。一个简单的ANN包含一个向网络输入数据的神经元输入层,和一个输出结果的输出层,也许还有两三个处理信息的中间隐藏层(实际上,ANN完全由软件模拟而成)。

网络中的每个神经元都有一组“权值”和一个控制其输出启动的“激活功能”。神经网络的训练涉及到调整神经元的权值,使特定的输入产生我们需要的输出。上世纪90年代初,ANN开始取得某些有用的结果,比如识别手写数字。但如果让它们去做更加复杂的任务,就会遇到麻烦。

AI 如何从令人失望到大行其道?

AI 如何从令人失望到大行其道?

在过去十年里,新技术和对激活功能的一个简单调整使训练深度网络成为可能。同时,互联网的崛起使无数的文档、图片和视频可用于训练目的。这一切都需要强大的数据处理能力。

2009年前后,几支AI研究团队意识到,专门用来在PC和游戏机上产生精细图像的图形处理单元(GPU)能够提供强大的数据处理能力,也非常适合运行深度学习算法。

斯坦福大学的一支AI研究团队发现,GPU可以使其深度学习系统的运行速度加快近百倍。该团队由吴恩达领导,他后来又曾加入谷歌和百度。

AI 如何从令人失望到大行其道?

吴恩达

突然之间,训练一个四层神经网络只需要不到一天的时间,而以前需要好几周。GPU制造商英伟达(NVIDIA)的老板黄仁勋说,用来为玩家创造虚拟世界的芯片,也能用来帮助计算机通过深度学习技术理解现实世界。

ImageNet Challenge的比赛结果证明深度学习大有可为。突然之间,人们开始给予关注,不只是在AI圈子里,还有整个技术界。此后,深度学习系统变得越来越强大:深度达到20或30层的网络不再罕见,微软(Microsoft)的研究人员甚至打造了一个152层的网络。层数更多的网络具有更强的抽象能力,能够产生更好的结果。事实证明,这些网络善于解决非常广泛的问题。

“人们之所以关注这个领域,是因为深度学习技术具有广泛的用途,”谷歌机器智能研究主管、负责谷歌搜索引擎的约翰·詹南德雷亚(John Giannandrea)说。

谷歌正在利用深度学习来提高其网络搜索结果的质量,理解用户向智能手机发出的语音命令,帮助人们搜索包含特定影像的照片,自动生成电子邮件智能回复,改善网页翻译服务,帮助自动驾驶汽车识别周围环境。

学习如何学习

深度学习分很多种,其中使用最广泛的一种是“监督学习”,该技术利用标记样本来训练系统。

例如,就垃圾邮件过滤而言,这项技术可能会建立一个庞大的样本信息数据库,每条样本信息被标记为“垃圾邮件”或者“非垃圾邮件”。深度学习系统可以使用这种数据库进行训练,通过反复研究样本和调整神经网络内部的权值,改善垃圾邮件的识别准确率。

这种方法的优点在于,不需要人类专家制定一套规则,也不需要程序员编写代码执行规则。系统能够直接从标记数据中学习。

使用标记数据进行训练的系统被用来分类图像,识别语音,发现信用卡欺诈交易,识别垃圾邮件和恶意软件,定向投放广告。对于这些应用,正确的答案已经存在于先前的大量样本中。

当你上传照片时,Facebook可以识别和标记你的朋友和家人。近期,该公司发布了一个系统,可以为失明用户描述照片的内容(“两个人,笑,太阳镜,户外,水”)。

吴恩达说,监督学习能够用于各种各样的数据。通过采用这项技术,现有的金融服务、计算机安全和营销公司可以贴上AI公司的新标签。

另一种技术是非监督学习,同样是使用大量样本来训练系统,但这些样本没有经过标记。系统学习识别特征和聚类相似样本,发现数据中隐藏的集合、联系或模式。

AI 如何从令人失望到大行其道?

非监督学习可以用来搜寻没有具体形象的东西,比如监督网络流量模式,探测可能与网络攻击有关的异常现象,或者检查大量的保险索赔,揭露新的欺诈手法。

再举一个著名的例子。

2011年在谷歌工作时,吴恩达领导了一个名为Google Brain的项目,要求一个庞大的无监督学习系统寻找数千个非标记YouTube视频中的共有图案。

一天,吴恩达的一位博士生给他带来了一个惊喜。“我记得他把我叫到他的电脑前,对我说‘瞧这个,’”吴恩达回忆道,屏幕上有一张毛茸茸的脸,那是从数千个样本中提取的图案。系统发现了猫。

强化学习介于监督和非监督学习之间,只使用偶尔的奖励反馈来训练神经网络与环境互动。

从本质上讲,训练涉及到调整网络的权值,寻找一个持续产生更高奖励的策略。DeepMind是这方面的行家。

2015年2月,该公司在《自然》(Nature)杂志上发表了一篇文章,描述了一种强化学习系统,它能够学会玩49款雅达利经典电子游戏,只使用屏幕像素和游戏得分作为输入数据,其输出数据与虚拟控制器连接。该系统从头开始学习玩这些游戏,在29款游戏中都达到或超过了人类的水平。

让系统玩游戏

DeepMind的德米斯·哈萨比斯(Demis Hassabis)说,对AI研究而言,电子游戏是理想的训练场,因为“它们就像现实世界的缩影,但更加明晰,更有约束”。

AI 如何从令人失望到大行其道?

德米斯·哈萨比斯(Demis Hassabis)

游戏引擎也能非常轻松地产生大量的训练数据。

哈萨比斯曾从事电子游戏行业,后来获得认知神经科学博士学位并创建DeepMind。这家公司现在是谷歌旗下的AI研究部门,办公地点位于伦敦国王十字车站附近。

2016年3月,DeepMind研发的AlphaGo系统击败了围棋顶尖高手李世石,在五局比赛中取得4:1的压倒性胜利。

AlphaGo是强化学习系统,具有某些不同寻常的特征。它由几个相互连接的模块组成,包括两个深度神经网络,分别擅长不同的领域,就像人脑的左右半球。

其中一个网络接受的训练是分析数百万盘围棋棋局,从而在实战中给出赢面最高的几种下一步落子选择,然后交由另一个网络进行评估,后者采用随机取样的技术。因此,AlphaGo同时结合了仿生技术和非仿生技术。

关于哪种方法更好的问题,AI研究人员争论了几十年,但AlphaGo双管齐下。

“这是个混合系统,因为我们相信,我们将不止需要深度学习来解决智力问题,”哈萨比斯说。

哈萨比斯和其他研究人员已经在着手下一步,也就是迁移学习。这可以使强化学习系统把先前已获得的知识作为基础,而不必每次都从头训练。

哈萨比斯指出,人类可以毫不费力地做到这一点。詹南德雷亚回忆说,他四岁的女儿知道大小轮脚踏车也是一种自行车,即使她以前从未见过。“计算机做不到这一点,”他说。

被Salesforce收购的AI初创公司MetaMind致力于另一种相关的方法,名为多任务学习,也就是同一个神经网络架构被用来解决几种不同的问题,解决其中一种问题的经验使它能够更好地解决另一种问题。

和DeepMind一样,MetaMind也在探索模块化架构,其中一种架构名为“动态记忆网络”,能够获取一系列陈述,然后回答有关这些陈述的问题,推断出它们之间的逻辑联系(Kermit是青蛙,青蛙是绿色的,所以Kermit是绿色的)。

MetaMind还把自然语言和图像识别网络整合进同一个系统,能够回答有关图像的问题(“这辆车是什么颜色的?”)。其技术可以用于面向Salesforce客户的自动化客户服务机器人或者呼叫中心。

以前,原本形势大好的AI新技术往往会迅速失势。但深度学习不同。

“它确实很有用,”MetaMind的理查德·索赫尔(Richard Socher)说。人们每天都在使用它,但并没有意识到它的存在。

AI 如何从令人失望到大行其道?

理查德·索赫尔(Richard Socher)

哈萨比斯和索赫尔等人的长期目标是打造“通用人工智能”(AGI),也就是能够处理多种任务的系统,而不是为每个问题都单独创造一个新的AI系统。

索赫尔说,AI研究多年来聚焦于解决具体狭隘的问题,但现在研究人员正在“以新的方式拼凑更先进的乐高积木”。

哪怕是最乐观的人也认为,还得再需要十年才能实现具备人类水平的AGI。但哈萨比斯说:“我们觉得,我们知道实现AGI需要哪些关键的东西。”

AI已经在发挥实际作用,并且将很快变得越来越有用。

谷歌的Smart Reply系统(利用两个神经网络自动生成电子邮件回复)在短短四个月的时间内,就从深度学习研究项目变成了现实产品(不过刚开始的时候不得不阻止它对几乎每封邮件都生成“我爱你”的回复)。

“你在学术期刊上发表论文,毫不夸张地说,随后的一个月就会有公司使用那个系统,”索赫尔说。

来自大大小小的AI公司的学术论文持续不断。AI研究人员被允许在同行评审期刊上发表他们的研究结果,即使是在转化投产之后也可以。他们中的很多人一边为企业工作,一边发表学术文章。

“如果你不让他们发表,他们就不会为你工作,”安德森-霍洛维茨基金(Andreessen Horowitz)的克里斯·迪克森(Chris Dixon)说。

谷歌、Facebook、微软、IBM、亚马逊、百度和其他公司提供了免费的开源深度学习软件。一个原因是这些公司的研究人员希望公布他们正在做的事情,这有助于招募人才。

另一个原因在于,大型互联网公司能够承担免费提供AI软件的后果,因为他们可以从其他地方获得巨大好处:获取大量用户数据用于训练目的。

投资基金Bloomberg Beta的席翁·齐利斯(Shivon Zilis)说,这使他们在某些领域具有优势。而初创公司则想办法进入特定市场。例如,无人机初创公司利用模拟数据来了解如何在拥挤环境中飞行。

推荐文章

语音交互设计与运营的这两年里,事情比较多一直没空静下来总结一下做过的事情。我们先从语音产品的现状总结一下吧。最近几年来随着深度学习技术的突破,大数据技术以及自然语言理解能力的提升,带动了一波产业热潮。国内继科大讯飞、捷通华声之后,阿里,百度,腾讯等巨头都在智能语音领域发力,行业内也涌现出新的佼佼者:思必驰、云知声、出门问问等后起之秀,在教育、客服、电信等传统行业之外,开辟出了车载、家居、医疗、智能硬件等语音技术应用新天地。如果找一个产品来代表现在国内智能语音产品的现状,我会选择智能语音音响。它听上去很酷,产品价格也适中应该推广很好。但事与愿违,国内智能音箱虽然是重要语音交互体验产品,但销量并不乐观。仅阿里的天猫精灵在双十一以99元火了一把,双十一销售达到上百万台。其他产品销量真的惨不忍睹,比如:小米音响国内排名第一平均每月销售4766台(数据来源淘宝)。在国外智能语音音响已经被广泛的推广,Amazon的echo,谷歌的GoogleHome,苹果的 HomePod等纷纷上市抢占市场。以下为Amazon的echo销售成绩单所以国内的智能音箱还需继续努力,而语音技术上在近一年的确得到十足的长进。在Gartner的技术成熟度曲线面前,跌宕起伏又迎来了的转折点。智能语音现在的不足在哪?无论在C端还是在B端带来的仅是交互的便捷,体验的提升吗?带着这些问题,我们先看看现在只能语音的不足技术还不够成熟:语音识别还需提升,NLP技术还有待成熟语音识别主要包括以下步骤:语音信号处理、静音切除、声学特征提取、模式匹配等环节。由于语音信号的多样性和复杂性,系统只能在一定限制条件下才能获得满意效果。在真实使用场景中,考虑到远场、方言、噪音、断句等问题,准确率会大打折扣。目前业内对于16K采样率的语音识别普遍宣称的97%识别准确率,更多的是人工测评结果,只在安静室内的进场识别中才能实现。我以前做过的智能语音产品:智能客服,语音信箱为例,基于通讯网络下的产品。在GSM网络下仅有8k,16bit的采样率,识别率最高也只能在90%左右,国外据说IBM能做到94.9%。制约因素主要有数据:语音识别除了算法以外更多的是需要大量的语音标注数据去训练去优化,去通过对该业务的定制升学模型,语音模型去提升,如果没有数据你何来提升。还有另外一个问题就是噪音,噪音分为人生与非人声。电话中的场景是复杂的,背景音很多,降噪技术能做到的非常有限。很多智能硬件通过麦克风阵列的确能大幅的减低了背景音的干扰,但没有呢?比如:手机用的最多智能语音的硬件。NLP技术主要分为三层:词法分析、句法分析、语义分析,三者之间关系是递进又相互包含。而中国文化的多样性,一词多意,所以语义消岐是NLP技术突破的重大难点。机器在切词、标注词性、并识别完后,需要对各个词语进行理解。由于语言中往往一词多义,人在理解时会基于已有知识储备和上下文环境,但机器很难做到。现有手段更多的是通过根据业务,场景定制语言模型,热词等方式去对该应用场景的消岐,还是会面对很多问题。由于近几年的大数据技术的快速提升使人工智能技术得到快速发展,但一领域的技术进步和产业化推进是一种协同关系。只有通过工程化把技术落地,在产品运营过程提升效果与体验,才能促进产品广泛推广,再根据实际应用中的数据和反馈,反过来推动技术实现突破。对于未来的机遇在哪?个人了解的行业信息有限,但从我获取到信息说一下个人的理解。C端智能语音正在改变着我们的生活习惯,主要应用在移动设备、汽车、家居三大场景,用来变革原有人机交互方式;B端则针对垂直行业需求,提升人工效率,比如智能客服,通过智能应答解决了80%以上的用户问题,大量的降低了人力成本和用户解决问题的销量。在政企方面比如法院的记录,医院的记录等。 整体的发展中移动互联网、智能家居、汽车、医疗、教育等领域的应用带动智能语音 产业规模持续快速增长。2015 年全球智能语音市场规模达 62.1 亿美元,同比增长 34.2%。中国智能语音产业市场规模也逐步扩大,2015 年 40.3 亿元产业规模约占全球市场份额 10%,且增速显 著高于全球市场,预计至 2017 年份额占比将提升到 14%(数据来源于:中国产业信息网)。对于快速发展智能语音产业,谁能占领更大的蛋糕。对于底层算法虽然还是很大壁垒,但我跟认可谁有数据谁说了算,谁在该领域获得最多的数据,这个领域就由谁主导。从这个逻辑BAT无疑最大的蛋糕获益者,那其他的创业者还有机遇,我只能说起跑线还在画,不用担忧到终点的问题。

热门文章

        对数据标注行业稍微有些了解的人都知道数据标注进入门槛低,适合很多人兼职也适合创业。        正是因为数据标注行业的门槛低这个特点最近两年从事数据标注的小公司小工作室如雨后春笋般的遍布全车大大小小的县城。        但是目前有个有趣的现象,那就是有很多进入数据标注行业做了一段时间的人慢慢的感觉数据标注行业就是个坑?为什么有些人会说数据标注就是个坑呢?        其实对与有上述问题认识的人我们认为,这些人多数都是有于对这个行业对自身条件的不了解,盲目的开始进入数据标注行业的。为什么我们会这样说呢?下面就给给大家来分析下到底有哪几方面的原因:        一、有相当一部分人是听了朋友或者网上消息说这行很火爆,好做,门槛低,也有一部分人了因此租办公室买电脑招人,然后就去群里面找分发项目的人就开张干起来了。可实际上这些人他们大多数都没有充分了解数据标注行业,更没有认真仔细得去调查分析,到底自己能不能做好一个项目,到底自己能不能有质有量按时交付的完成一个项目,到底自己有没有这个能力来管理项目。更多的人也没有去用长远的眼光去考虑数据标注项目。        二、数据标注项目虽然入门门槛低,但是相当一部分有于理解认知应变能力上都不能保证去做好数据标注项目,还有一部分人由于自己对标注项目重视程度不足接到项目之后呢?不仔细认真的去阅读理解项目规则,更没有很好的对规则质检标准去培训员工,而对员工的要求主要看重每天的产出效率,从而导致接到手的项目做的质量很差,频繁的返工,有提项目甚至因为质量太烂项目方不给结算或者是结算比例很少,最终的结果就是做好些个项目但基本都是赔钱。        三、虽然业内人都 说数据标注简单,但是标注项目他也是一个系统性的工程,一个项目能不能做好并不简单的看项目好做就能赔钱。实际上决定项目赚不赚钱考验的是一个团队的项目管理水平,质量管理能力,运营能力各方面因素的。一句话再好赚钱的项目也照样有人赚钱也有人赚钱,要赚钱不是那么简单的。        四、还有些工作室 、小公司因为对行业不够了解等他们做了一段时间后发现,自己团队经常会没有项目做,而自己团队接项目的业务能力又不具备,甚至有的时候为了员工有活干去接一些价格极低根本就不赚钱的标注项目,时间稍微一长这些工作室团队就会赔上很多钱最终关门倒闭。        五、下来要说的就是一部分人人兼职人员由于认识不到位,对项目的规则质量要求 文件不认真阅读消化理解导致做的项目质量差返工有的甚至最后不结算,最终退出这行。更有一些人由于经验不足被标注行业的项目骗子给忽悠到辛苦劳动到最后结算时找不到人。        标注行业本身由于进入门槛低,做的人很行业内盲目打价格战,导致很多转手二手三手的项目在质量工期的要求下根本就不赚钱甚至赔钱,所以在这里也提醒大家做任何事都要谨慎而行。